Ramalan Penghakiman Undang-undang
Ramalan penghakiman undang-undang ialah pendekatan pembelajaran mesin yang meramalkan keputusan mahkamah dan hasil kehakiman berdasarkan ciri-ciri kes, duluan undang-undang, dan ciri-ciri kehakiman. Dipelopori oleh Daniel Katz dan rakan-rakan pada tahun 2017 dengan model ramalan Mahkamah Agung A.S. mereka yang terkenal, kaedah ini menggunakan pembelajaran penyeliaan kepada set data besar keputusan mahkamah yang didigitalkan untuk mengenal pasti corak bagaimana hakim memutuskan kes. Ramalan penghakiman undang-undang sejak itu telah berkembang ke mahkamah rayuan, mahkamah perbicaraan, dan tribunal antarabangsa, membolehkan profesional undang-undang menjangka hasil kes dan membuat keputusan litigasi strategik.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
Sumber
- Katz, D. M., Bommarito, M. J., & Blackman, J. (2017). A general approach for predicting the behavior of the Supreme Court of the United States. PLOS One, 12(4), e0174698. DOI: 10.1371/journal.pone.0174698 ↗
- Matz, D., & Spicer, J. (2019). Predicting judicial decisions of the European Court of Human Rights. Artificial Intelligence and Law, 27(2), 123-145. link ↗
- Lage-Freitas, A., de Oliveira Santini, F., Praxedes Filho, P. H., & de Almeida Oliveira, A. (2022). Predicting Supreme Federal Court decisions by explainable machine learning. Frontiers in Artificial Intelligence, 4, 586561. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Legal Judgment Prediction using Machine Learning. ScholarGate. https://scholargate.app/ms/forensics/legal-judgment-prediction
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Analisis Pautan JenayahForensik↔ banding
- Profil GeografiForensik↔ banding
- Analisis Jaringan Undang-Undang Kes (Network Analysis of Case Law)Forensik↔ banding
Similar methods
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →